(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211281707.5 (22)申请日 2022.10.19 (71)申请人 北京深势科技有限公司 地址 100000 北京市海淀区海淀东 三街2号 14层1401 (72)发明人 俞跃江　高志锋　郑行　张林峰　 孙伟杰　 (74)专利代理 机构 北京慧诚智道知识产权代理 事务所 (特殊普通合伙) 11539 专利代理师 高廖楠 (51)Int.Cl. G16B 15/30(2019.01) G06N 20/00(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种药物分子和蛋白靶点结合姿势预测处 理方法 (57)摘要 本发明实施例涉及一种药物分子和蛋白靶 点结合姿势预测处理方法， 所述方法包括： 步骤 1、 利用第一机器学习模 型， 输入独立的蛋白靶点 结构信息和药物分子结构信息， 得到和输出第一 药物分子和蛋白靶点的结合姿势信息； 步骤2、 利 用所述第一药物分子和 蛋白靶点的结合姿势信 息， 对药物分子对接打分函数添加偏置项， 形成 偏置项打分函数； 步骤3、 根据所述偏置项打分函 数， 利用分子对接算法， 输入独立的蛋白靶点结 构信息和药物分子结构信息， 生成第二药物分子 和蛋白靶点的结合姿势信息， 作为药物分子和蛋 白靶点结合姿势预测 信息。 本发 明实施例提供的 药物分子和蛋白靶点结合姿势预测处理方法， 有 效的提高了药物分子和 蛋白靶点结合姿势预测 的准确率。 权利要求书2页 说明书7页 附图3页 CN 115527607 A 2022.12.27 CN 115527607 A 1.一种药物分子和蛋白靶点结合姿势预测处 理方法， 其特 征在于， 所述方法包括： 步骤1、 利用第一机器学习模型， 输入独立的蛋白靶点结构信息和药物分子结构信息， 得到和输出第一药物分子和蛋白靶点的结合姿势信息； 步骤2、 利用所述第一药物分子和蛋白靶点的结合姿势信 息， 对药物分子对接打分函数 添加偏置项， 形成偏置项打 分函数； 步骤3、 根据所述偏置项打分函数， 利用分子对接算法， 输入独立的蛋白靶点结构信息 和药物分子结构信息， 生成第二药物分子和蛋白靶点的结合姿势信息， 作为药物分子和蛋 白靶点结合姿势预测信息 。 2.根据权利要求1所述的， 其特 征在于， 所述 步骤1具体为： 利用卷积神经网络机器学习 模型， 把蛋白靶点结构信 息和药物分子结构信 息转化为蛋 白分子密度图或蛋白分子点云； 以药物分子密度图或药物分子点云作为条件， 在所述蛋白 分子密度图或蛋白分子点云的空腔中生成药物分子密度图， 并将所述药物分子密度图解析 还原成第一药物分子和蛋白靶点的结合姿势信息； 或者 利用图神经网络机器学习模型， 构建蛋白靶点的原子或氨基酸残基与 药物分子上的原 子作为图的节点； 在两两之间的节点之间构建一条边来表示它们间的相对距离； 基于预测 蛋白靶点与药物分子结合后的相对距离， 并根据 距离矩阵来还原成第一药物分子和蛋白靶 点的结合姿势信息； 或者 利用坐标预测自注意力模型， 输入蛋白靶点上原子的空间坐标信 息和药物分子上原子 的空间坐标信息， 预测药物分子上每个原子相对于初始位置的改变， 来计算得到第一药物 分子和蛋白靶点的结合姿势信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述步骤2中对分子对接打分函数添加偏 置项具体为： 以药物分子结构中的原子的空间坐标为中心， 指定在药物分子对接过程中， 满足类型 信息的原子出现在离这个中心第一半径的范围内时， 给能量项赋一个偏置； 其中， 所述原子的空间坐标来自于所述第 一药物分子和蛋白靶点的结合姿势信 息中的 原子或多原子组成的原子团； 类型信息来自于该 空间坐标对应的原子的元素类型、 芳香性、 是否为环上的原子、 是否为氢键给体、 是否是氢键受体或对应的原子团的属性； 第一半径是 类型信息的函数； 能量项的偏置是空间坐标、 第一半径和类型信息的函数。 4.根据权利要求3所述的方法， 其特征在于， 所述偏置为能量项的奖励， 或者能量项的 惩罚， 随着空间坐标的第一半径衰减。 5.根据权利要求4所述的方法， 其特征在于， 所述能量项的奖励及小小， 或者能量项的 惩罚及大小， 根据分子对接中起主导作用进行调节。 6.根据权利要求4所述的方法， 其特征在于， 所述步骤2中， 将所述第 一药物分子和蛋白 靶点的结合姿势信息中， 对药物分子中的部分原子给对接打 分函数添加偏置项。 7.根据权利要求6所述的方法， 其特征在于， 所述对药物分子 中的部分原子给对接打分 函数添加偏置项具体为： 对所述第一药物分子和蛋白靶点的结合姿势信息中药物分子的骨架上的原子的对接 打分函数添加偏置项； 或者 对药物分子中的蛋白体系对特定类型相互作用有偏好的原子对接打分函数添加偏置权　利　要　求　书 1/2 页 2 CN 115527607 A 2项。 8.根据权利要求4所述的方法， 其特征在于， 所述步骤2中的所述偏置项根据专家经验 数据转化形成； 或者所述偏置项根据第二机器学习模型来预测处 理生成。 9.根据权利要求8所述的方法， 其特征在于， 所述偏置项根据第 二机器学习模型来预测 处理生成具体为： 根据所述第二机器学习模型， 以独立的蛋白靶点结构信息， 输出以要添加 的偏置类型的所述分子结构信息的原子信息空间坐标R和特定类型T， 得到通过所述第二机 器学习模型 预测的偏置项。 10.根据权利要求9所述的方法， 其特 征在于， 所述 步骤3具体为： 蛋白靶点和药物分子对接过程中， 当类型为T的原子或原子团出现在中心R的周围第一 半径r范围的球形空间内时， 就给打分函数对应的能量项加上偏置量L作为奖励， 或减去偏 置量L作为惩罚； 利用分子对接算法， 生成第二药物分子和蛋白靶点的结合姿势信息， 作为 药物分子和蛋白靶点结合姿势预测信息； 其中， 所述偏置项和打分函数的能量项是加权关系， 分子对接过程中根据第二机器学 习模型给出 的偏置范围， 和基于物理的能量项的药物分子和蛋白靶点相互作用， 得到药物 分子和蛋白靶点结合姿势预测信息 。权　利　要　求　书 2/2 页 3 CN 115527607 A 3